CN113361446A - 一种x射线包裹图像提取方法 - Google Patents

一种x射线包裹图像提取方法 Download PDF

Info

Publication number
CN113361446A
CN113361446A CN202110691872.7A CN202110691872A CN113361446A CN 113361446 A CN113361446 A CN 113361446A CN 202110691872 A CN202110691872 A CN 202110691872A CN 113361446 A CN113361446 A CN 113361446A
Authority
CN
China
Prior art keywords
image
area
connected region
communication area
extracted
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110691872.7A
Other languages
English (en)
Other versions
CN113361446B (zh
Inventor
孔维武
邢羽
李宏伟
石秀峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
First Research Institute of Ministry of Public Security
Beijing Zhongdun Anmin Analysis Technology Co Ltd
Original Assignee
First Research Institute of Ministry of Public Security
Beijing Zhongdun Anmin Analysis Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by First Research Institute of Ministry of Public Security, Beijing Zhongdun Anmin Analysis Technology Co Ltd filed Critical First Research Institute of Ministry of Public Security
Priority to CN202110691872.7A priority Critical patent/CN113361446B/zh
Publication of CN113361446A publication Critical patent/CN113361446A/zh
Application granted granted Critical
Publication of CN113361446B publication Critical patent/CN113361446B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)

Abstract

本发明公开了一种X射线单包裹图像提取方法，包括图像预处理、高阈值迭代分割及其连通区形态学处理与分析方法、连通区规定方向的Hough变换直线检测、连通区切割及其连通区形态学处理与分析方法等3个部分。采用本发明所述技术方案，对寄递业务中的多包粘连安检图像进行分析处理，可实现从多个包裹前后粘连的X射线安检图像中，高效准确分割提取各个单包裹图像的目的，达到在单个多包粘连的安检图像中对每个单包裹图像进行单独分割提取的效果。本发明特别适用于处理数据量大、实时性要求高的X射线寄递业务安全检查技术领域。

Description

一种X射线包裹图像提取方法
技术领域
本发明涉及图像处理技术领域，具体涉及一种X射线包裹图像提取方法。
背景技术
在货物运输、邮政寄递等业务涉及的安全检查场合，由于其业务量大、包裹数量多，且X射线安检设备的带速一直相对不高，在安检过程中，为提高工作效率，工作人员往往会往输送带中连续放置包裹，很难保证所有相邻包裹间都有可以满足设备采集所需的空白距离，于是，在实际采集图像中，存在大量包裹与包裹前后粘连在一起的情况，这就造成了一种货物运输、邮政寄递业务的安检图像现状：经过扫码进入安检设备的包裹数量，与安检设备采集得到的安检图像数量，可能不完全相同，部分包裹及其X射线图像精确匹配难度较大，给安检系统的后续处理带来一系列问题。
由此，如何从多包裹前后粘连的X射线安检图像中，高效准确地实现各个独立包裹图像的分割提取，成为一个重要问题。
发明内容
针对现有技术的不足，本发明旨在提供一种X射线包裹图像提取方法。
为了实现上述目的，本发明采用如下技术方案：
一种X射线单包裹图像提取方法，具体包括如下流程：
S1、通过X射线安全检查设备获得被检查的多个包裹相连在一起的多包裹图像I(x,y)；
S2、对步骤S1采集的I(x,y)进行预处理，得到预处理后的多包裹图像Ipro(x,y)；
S3、对Ipro(x,y)迭代进行若干组不同高阈值参数分割，对每组阈值对应的分割结果进行二值图像形态学处理，并对二值图像形态学处理结果进行连通区分析，提取出有效合理连通区；
S4、当步骤S3提取出来的有效合理连通区数量与通过预先对包裹进行扫码录入而获取的当前图像中包裹数量相等时，则完成包裹提取，跳转至步骤S82，如果不相等，进入步骤S5；
S5、对步骤S3提取得到的各个连通区，进行标准方式的Hough变换直线检测，具体为竖直方向直线检测；利用Hough变换直线检测定位出的准竖直方向直线，对步骤S3提取得到的连通区进行切割；
S6、对步骤S5完成切割之后的结果进行连通区分析，提取其中的有效合理连通区；
S7、当提取得到的有效合理连通区数量与通过预先扫码录入而获取的当前图像中包裹数量相等时，进入步骤S82，否则进入步骤S81；
S81、将步骤S1采集的原始多包裹图像打上为重复标记，跳转至步骤S9；
S82、直接利用灰度受限的大尺度二值图像形态学膨胀操作，在膨胀过程中，只对灰度低于经验阈值以下的像素进行膨胀操作，然后将各个连通区分别打上标记，跳转至步骤S9；
S9、提取结束。
进一步地，步骤S2中，所述预处理的具体过程如下：
S2.1、对I(x,y)进行图像缩小处理；
S2.2、对缩小处理后的图像进行滤波处理。
3、根据权利要求1所述的方法，其特征在于，步骤S3的具体过程为：
S3.1、设置若干组不同高阈值参数；
S3.2、依次利用每组高阈值参数，进行如下处理：
S3.2.1、对图像Ipro(x,y)进行阈值分割，将分割结果二值化；
S3.2.2、对步骤S3.2.1得到的二值化图像，进行二值图像形态学处理；
S3.2.3、对步骤S3.2.2得到的二值图像形态学处理结果进行连通区分析，提取其中的有效合理连通区。
更进一步地，步骤S3.1中，记图像饱和值为Gfull，设置5组高阈值参数分为：0.98×Gfull、0.96×Gfull、0.94×Gfull、0.92×Gfull、0.90×Gfull。
进一步地，步骤S3和步骤S6中的有效合理连通区提取过程为：
1)对设定的最小体积包裹进行多次安检成像，并统计其图像平均面积Smean,以0.8×Smean作为连通区面积过滤阈值，即，当连通区的面积小于连通区面积过滤阈值时，认为此连通区为非有效合理连通区；
2)对经过步骤1)筛选后的连通区，设定连通区面积与其最小外接矩形面积比值阈值为0.8、连通区面积与其凸包面积比值阈值为0.9，当连通区面积与其最小外接矩形面积比值、连通区面积与其凸包面积比值的任意一个低于相应的阈值时，认为此连通区为非有效合理连通区；
3)对设定的最轻薄包裹进行多次安检成像，并统计其图像平均投影灰度Graymean,以1.1×Graymean作为平均灰度过滤阈值，对于经过步骤2)筛选的连通区，当连通区对应图像的平均灰度高于所述平均灰度过滤阈值时，认为此连通区为非有效合理连通区。
进一步地，步骤S5中，所述竖直方向直线检测的具体过程为：
针对步骤S3提取得到的连通区，首先提取其最外围一圈的轮廓信息，然后对提取的轮廓信息进行准竖直方向Hough变换直线检测，即，假定水平方向上，右向为0°，往其逆时针方向旋转至左向，定为180°，再继续逆时针旋转至右向，定为360°；准竖直方向Hough变换直线检测的方向为45°-135°和225°-315°。
更进一步地，准竖直方向Hough变换直线检测还规定满足要求的直线检测像素数量大于设定的经验值。
进一步地，利用Hough变换直线检测定位出的准竖直方向直线，对步骤S3提取得到的连通区进行切割的具体过程为：
(1)对定位出准竖直方向直线的连通区图像进行小尺度形态学膨胀；
(2)比对步骤(1)处理前后的连通区图像，将二者的重合像素位置赋值为背景灰度，就完成了切割操作。
本发明的有益效果在于：本发明的一种X射线单包裹图像提取方法，包括图像预处理、高阈值迭代分割及其连通区形态学处理与分析方法、连通区规定方向的Hough变换直线检测、连通区切割及其连通区形态学处理与分析方法等3个部分。采用本发明所述技术方案，对寄递业务中的多包粘连安检图像进行分析处理，可实现从多个包裹前后粘连的X射线安检图像中，高效准确分割提取各个单包裹图像的目的，达到在单个多包粘连的安检图像中对每个单包裹图像进行单独分割提取的效果。本发明特别适用于处理数据量大、实时性要求高的X射线寄递业务安全检查技术领域。
附图说明
图1为本发明实施例的方法流程示意图；
图2为本发明实施例中其中一种典型多包裹图像示意图；
图3为本发明实施例中对图2所示的多包裹图像进行提取后的示意图；
图4为本发明实施例中另一种典型多包裹图像示意图；
图5为本发明实施例中对图4所示多包裹图像进行直线检测后的示意图；
图6为本发明实施例中对图5所示多包裹图像进行切割后的示意图。
具体实施方式
以下将结合附图对本发明作进一步的描述，需要说明的是，本实施例以本技术方案为前提，给出了详细的实施方式和具体的操作过程，但本发明的保护范围并不限于本实施例。
本实施例提供一种X射线单包裹图像提取方法，如图1所示，具体包括如下流程：
S1、通过X射线安全检查设备获得被检查的多个包裹相连在一起的多包裹图像I(x,y)；
S2、对步骤S1采集的I(x,y)进行预处理；所述预处理的具体过程如下：
S2.1、对I(x,y)进行图像缩小处理。一种合理的方式是图像的二维方向分别缩小至原有尺寸的1/4或者更小，在此图像大小基础上，进行后续处理；
S2.2、对缩小处理后的图像进行滤波处理。可以使用各种形式的滤波操作，滤波尺度模板可以根据当前图像的尺寸，选择不同的结构与大小。
由此，得到预处理后的多包裹图像Ipro(x,y)。
S3、对Ipro(x,y)迭代进行若干组不同高阈值参数分割，对每组阈值对应的分割结果进行二值图像形态学处理，并对二值图像形态学处理结果进行连通区分析。具体过程为：
S3.1、设置若干组不同高阈值参数。一种可取的实施方式是，记图像饱和值为Gfull，设置5组高阈值参数分为：0.98×Gfull、0.96×Gfull、0.94×Gfull、0.92×Gfull、0.90×Gfull；
S3.2、依次利用每组高阈值参数，进行如下处理：
S3.2.1、对图像Ipro(x,y)进行阈值分割，将分割结果二值化；
S3.2.2、对步骤S3.2.1得到的二值化图像，进行二值图像形态学处理。一种可取的实施方式是，对图像进行较大尺度的形态学操作，可对图像先进行第一尺度的形态学“腐蚀”处理，再进行第二尺度的形态学“膨胀”处理，第一尺度的大小要高于第二尺度。
S3.2.3、对步骤S3.2.2得到的二值图像形态学处理结果进行连通区分析，提取其中的有效合理连通区。具体可以根据连通区面积、连通区面积与其最小外接矩形面积比值、连通区面积与其凸包面积比值、连通区对应图像的平均灰度提取有效合理连通区。
一种可取的有效合理连通区提取过程为：
S3.2.3.1、对设定的最小体积包裹(10cm×10cm×10cm)进行多次安检成像，并统计其图像平均面积Smean,以0.8×Smean作为连通区面积过滤阈值，即，当连通区的面积小于连通区面积过滤阈值时，认为此连通区为非有效合理连通区；
S3.2.3.2、对经过步骤S3.2.3.1筛选后的连通区，设定连通区面积与其最小外接矩形面积比值阈值为0.8、连通区面积与其凸包面积比值阈值为0.9，当连通区面积与其最小外接矩形面积比值、连通区面积与其凸包面积比值的任意一个低于相应的阈值时，认为此连通区为非有效合理连通区；
S3.2.3.3、对设定的最轻薄包裹(纸盒包装中仅放置1张A4纸)进行多次安检成像，并统计其图像平均投影灰度Graymean,以1.1×Graymean作为平均灰度过滤阈值，对于经过步骤S3.2.3.3筛选的连通区，当连通区对应图像的平均灰度高于所述平均灰度过滤阈值时，认为此连通区为非有效合理连通区。
S4、当步骤S3提取出来的有效合理连通区数量与通过预先对包裹进行扫码录入而获取的当前图像中包裹数量相等时，则完成包裹提取，如图3所示，跳转至步骤S82，如果不相等，进入步骤S5。需要说明的是，由于在实际安检过程中，每个包裹在进入安检通道前，都进行了扫码录入操作，因此可以准确获取当前多包裹粘连X射线安检图像中的真实包裹数量。如图2所示的多包裹图像重叠区域较小，有效合理连通区提取的准确性会较高，容易一次提取成功，如图3所示。但是如图4所示的多包裹图像重叠区域较多，有可能提取失败，这时要继续进行后续的处理。
S5、对步骤S3提取得到的各个连通区，进行标准方式的Hough变换直线检测，此Hough变换直线检测为图像处理技术领域的公知技术，在此不再赘述其细节。本实施例中的Hough变换直线检测实质为竖直方向直线检测。
所述竖直方向直线检测的具体过程为：
针对步骤S3提取得到的连通区，首先提取其最外围一圈的轮廓信息，然后对提取的轮廓信息进行准竖直方向Hough变换直线检测，即，假定水平方向上，右向为0°，往其逆时针方向旋转至左向，定为180°，再继续逆时针旋转至右向，定为360°；准竖直方向Hough变换直线检测的方向为45°-135°，考虑到角度的对称性，上述方向范围也同时包含了225°-315°的情况。
除了直线方向以外，本实施例中，准竖直方向Hough变换直线检测还规定满足要求的直线检测像素数量大于经验值，一个可取的经验值设为20个像素，这意味着，步骤S3提取的连通区中短小的准竖直方向直线将不被检测出来，据此设计，可以确保检测出来的直线都位于真实有效的包裹连通区准竖直方向边缘位置。
需要说明的是，在货物运输、邮政寄递业务涉及的安全检查场合，规范的包裹X射线安检图像包括且只包括两类：一类是，具有一定大小的、用立方体纸盒包装的包裹；另一类是，放置于托盘中的软包裹或非立方体纸盒包装包裹。这两类包裹的X射线安检图像，其包裹图像的外轮廓，典型的如图2、图4所示，都具有较为理想的直线段特征。这种图像特征，就是本实施例步骤S5采用的直线检测步骤的数据基础。
利用Hough变换直线检测定位出的准竖直方向直线，对步骤S3提取得到的连通区进行切割，如图5所示。具体过程为：
(1)对定位出准竖直方向直线的连通区图像进行小尺度形态学膨胀，此小尺度可以选择方形3×3模板；
(2)比对步骤(1)处理前后的连通区图像，将二者的重合像素位置赋值为背景灰度，就完成了切割操作，如图6所示。
S6、对步骤S5完成切割之后的结果进行连通区分析，提取其中的有效合理连通区。
S7、当提取得到的有效合理连通区数量与通过预先扫码录入而获取的当前图像中包裹数量相等时，进入步骤S82，否则进入步骤S81；
S81、将步骤S1采集的原始多包裹图像打上为重复标记，跳转至步骤S9。
S82、直接利用灰度受限的大尺度二值图像形态学膨胀操作，在膨胀过程中，只对灰度低于经验阈值以下的像素进行膨胀操作，然后将各个连通区分别打上标记，跳转至步骤S9。
S9、提取结束。
对于本领域的技术人员来说，可以根据以上的技术方案和构思，给出各种相应的改变和变形，而所有的这些改变和变形，都应该包括在本发明权利要求的保护范围之内。

Claims (8)

1.一种X射线单包裹图像提取方法，其特征在于，具体包括如下流程：
S1、通过X射线安全检查设备获得被检查的多个包裹相连在一起的多包裹图像I(x,y)；
S2、对步骤S1采集的I(x,y)进行预处理，得到预处理后的多包裹图像Ipro(x,y)；
S3、对Ipro(x,y)迭代进行若干组不同高阈值参数分割，对每组阈值对应的分割结果进行二值图像形态学处理，并对二值图像形态学处理结果进行连通区分析，提取出有效合理连通区；
S4、当步骤S3提取出来的有效合理连通区数量与通过预先对包裹进行扫码录入而获取的当前图像中包裹数量相等时，则完成包裹提取，跳转至步骤S82，如果不相等，进入步骤S5；
S5、对步骤S3提取得到的各个连通区，进行标准方式的Hough变换直线检测，具体为竖直方向直线检测；利用Hough变换直线检测定位出的准竖直方向直线，对步骤S3提取得到的连通区进行切割；
S6、对步骤S5完成切割之后的结果进行连通区分析，提取其中的有效合理连通区；
S7、当提取得到的有效合理连通区数量与通过预先扫码录入而获取的当前图像中包裹数量相等时，进入步骤S82，否则进入步骤S81；
S81、将步骤S1采集的原始多包裹图像打上为重复标记，跳转至步骤S9；
S82、直接利用灰度受限的大尺度二值图像形态学膨胀操作，在膨胀过程中，只对灰度低于经验阈值以下的像素进行膨胀操作，然后将各个连通区分别打上标记，跳转至步骤S9；
S9、提取结束。
2.根据权利要求1所述的方法，其特征在于，步骤S2中，所述预处理的具体过程如下：
S2.1、对I(x,y)进行图像缩小处理；
S2.2、对缩小处理后的图像进行滤波处理。
3.根据权利要求1所述的方法，其特征在于，步骤S3的具体过程为：
S3.1、设置若干组不同高阈值参数；
S3.2、依次利用每组高阈值参数，进行如下处理：
S3.2.1、对图像Ipro(x,y)进行阈值分割，将分割结果二值化；
S3.2.2、对步骤S3.2.1得到的二值化图像，进行二值图像形态学处理；
S3.2.3、对步骤S3.2.2得到的二值图像形态学处理结果进行连通区分析，提取其中的有效合理连通区。
4.根据权利要求3所述的方法，其特征在于，步骤S3.1中，记图像饱和值为Gfull，设置5组高阈值参数分为：0.98×Gfull、0.96×Gfull、0.94×Gfull、0.92×Gfull、0.90×Gfull。
5.根据权利要求1所述的方法，其特征在于，步骤S3和步骤S6中的有效合理连通区提取过程为：
1)对设定的最小体积包裹进行多次安检成像，并统计其图像平均面积Smean,以0.8×Smean作为连通区面积过滤阈值，即，当连通区的面积小于连通区面积过滤阈值时，认为此连通区为非有效合理连通区；
2)对经过步骤1)筛选后的连通区，设定连通区面积与其最小外接矩形面积比值阈值为0.8、连通区面积与其凸包面积比值阈值为0.9，当连通区面积与其最小外接矩形面积比值、连通区面积与其凸包面积比值的任意一个低于相应的阈值时，认为此连通区为非有效合理连通区；
3)对设定的最轻薄包裹进行多次安检成像，并统计其图像平均投影灰度Graymean,以1.1×Graymean作为平均灰度过滤阈值，对于经过步骤2)筛选的连通区，当连通区对应图像的平均灰度高于所述平均灰度过滤阈值时，认为此连通区为非有效合理连通区。
6.根据权利要求1所述的方法，其特征在于，步骤S5中，所述竖直方向直线检测的具体过程为：
针对步骤S3提取得到的连通区，首先提取其最外围一圈的轮廓信息，然后对提取的轮廓信息进行准竖直方向Hough变换直线检测，即，假定水平方向上，右向为0°，往其逆时针方向旋转至左向，定为180°，再继续逆时针旋转至右向，定为360°；准竖直方向Hough变换直线检测的方向为45°-135°和225°-315°。
7.根据权利要求6所述的方法，其特征在于，准竖直方向Hough变换直线检测还规定满足要求的直线检测像素数量大于设定的经验值。
8.根据权利要求1所述的方法，其特征在于，利用Hough变换直线检测定位出的准竖直方向直线，对步骤S3提取得到的连通区进行切割的具体过程为：
(1)对定位出准竖直方向直线的连通区图像进行小尺度形态学膨胀；
(2)比对步骤(1)处理前后的连通区图像，将二者的重合像素位置赋值为背景灰度，就完成了切割操作。
CN202110691872.7A 2021-06-22 2021-06-22 一种x射线包裹图像提取方法 Active CN113361446B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110691872.7A CN113361446B (zh) 2021-06-22 2021-06-22 一种x射线包裹图像提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110691872.7A CN113361446B (zh) 2021-06-22 2021-06-22 一种x射线包裹图像提取方法

Publications (2)

Publication Number Publication Date
CN113361446A true CN113361446A (zh) 2021-09-07
CN113361446B CN113361446B (zh) 2024-04-16

Family

ID=77535615

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110691872.7A Active CN113361446B (zh) 2021-06-22 2021-06-22 一种x射线包裹图像提取方法

Country Status (1)

Country Link
CN (1) CN113361446B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104166963A (zh) * 2014-08-01 2014-11-26 公安部第一研究所 一种x射线安全检查设备中行李脚轮的检测方法
CN107096720A (zh) * 2017-06-22 2017-08-29 西安科技大学 基于图像处理的快件条码自动识别系统及方法
CN110889807A (zh) * 2019-11-20 2020-03-17 公安部第一研究所 一种通道式x射线安检设备图像处理方法
CN111047588A (zh) * 2019-12-26 2020-04-21 电子科技大学 一种轴型小零件尺寸的图像化测量方法
US20210174489A1 (en) * 2019-12-04 2021-06-10 Beijing Boe Optoelectronics Technology Co., Ltd. Method and apparatus for detecting a screen, and electronic device

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104166963A (zh) * 2014-08-01 2014-11-26 公安部第一研究所 一种x射线安全检查设备中行李脚轮的检测方法
CN107096720A (zh) * 2017-06-22 2017-08-29 西安科技大学 基于图像处理的快件条码自动识别系统及方法
CN110889807A (zh) * 2019-11-20 2020-03-17 公安部第一研究所 一种通道式x射线安检设备图像处理方法
US20210174489A1 (en) * 2019-12-04 2021-06-10 Beijing Boe Optoelectronics Technology Co., Ltd. Method and apparatus for detecting a screen, and electronic device
CN111047588A (zh) * 2019-12-26 2020-04-21 电子科技大学 一种轴型小零件尺寸的图像化测量方法

Also Published As

Publication number Publication date
CN113361446B (zh) 2024-04-16

Similar Documents

Publication Publication Date Title
CN109724990B (zh) 一种包装盒标签中喷码区域的快速定位与检测方法
CN110163853B (zh) 一种边缘缺陷的检测方法
CN109377485B (zh) 一种方便面包装缺陷机器视觉检测方法
US11417124B2 (en) System for real-time automated segmentation and recognition of vehicle's license plates characters from vehicle's image and a method thereof
Duan et al. Building an automatic vehicle license plate recognition system
CN110070090B (zh) 一种基于手写文字识别的物流标签信息检测方法及系统
Lee et al. Automatic extraction of characters in complex scene images
CN106096667B (zh) 基于svm的票据图像分类方法
CN109447067B (zh) 一种票据方向检测矫正方法及自动检票系统
CN109977877A (zh) 一种安检智能辅助判图方法、系统以及系统控制方法
CN107490583A (zh) 一种基于机器视觉的夹片缺陷检测方法
CN110674812B (zh) 一种面向复杂背景的民用车牌定位与字符分割方法
CN111461133B (zh) 快递面单品名识别方法、装置、设备及存储介质
Sharma et al. A hybrid technique for license plate recognition based on feature selection of wavelet transform and artificial neural network
CN112330693A (zh) 一种煤矸石检测方法及系统
CN112560941A (zh) 基于图像检测的煤矸识别方法
CN106599894A (zh) 一种基于图像识别的接触网杆号识别方法
CN106355174A (zh) 一种快递单关键信息动态提取方法及系统
CN109635729B (zh) 一种表格识别方法及终端
CN113554706B (zh) 基于深度学习的小车包裹位置检测方法
CN112836541B (zh) 一种香烟32位条码的自动采集及识别方法及装置
CN116363691A (zh) 安检信息绑定方法、装置、电子设备及可读存储介质
CN113361657A (zh) 用于识别烟箱箱号的装置、方法、烟丝装箱设备和工控机
CN113361446A (zh) 一种x射线包裹图像提取方法
CN110378337B (zh) 金属切削刀具图纸标识信息视觉输入方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant